微软近日发布了名为“rStar2-Agent”的开源模型，这是一个14B参数的数学推理模型，通过智能而非冗长的思考，实现了与671B DeepSeek-R1相当的性能。
该模型通过自主规划、推理和使用代码工具来高效地探索、验证和反思复杂问题的解决方案。其能力依赖于三大创新：GRPO-RoC算法、可扩展的高效RL基础设施，以及从非推理SFT开始的Agent训练方案。
rStar2-Agent的核心在于实现更智能的思考而非单纯延长推理时间，通过纯粹的智能体强化学习，其性能可媲美6710亿参数的DeepSeek-R1模型。
该模型能自主规划、推理并运用编码工具，高效完成探索、验证与反思以解决更复杂问题。
为此，rStar2-Agent仅用一周时间通过510步RL训练，将预训练的140亿参数模型提升至顶尖水平，在AIME24和AIME25数据集上分别实现80.6%和69.8%的平均通过率，以更短响应超越DeepSeek-R1（6710亿参数）。除数学领域外，rStar2-Agent-14B在对齐、科学推理及智能体工具使用任务中也展现出强大的泛化能力。
开源地址：https://github.com/microsoft/rStar
评论删除后，数据将无法恢复
微软发布开源数学推理模型 rStar2-Agent
微软近日发布了名为“rStar2-Agent”的开源模型，这是一个14B参数的数学推理模型，通过智能而非冗长的思考，实现了与671B DeepSeek-R1相当的性能。
该模型通过自主规划、推理和使用代码工具来高效地探索、验证和反思复杂问题的解决方案。其能力依赖于三大创新：GRPO-RoC算法、可扩展的高效RL基础设施，以及从非推理SFT开始的Agent训练方案。
rStar2-Agent的核心在于实现更智能的思考而非单纯延长推理时间，通过纯粹的智能体强化学习，其性能可媲美6710亿参数的DeepSeek-R1模型。
该模型能自主规划、推理并运用编码工具，高效完成探索、验证与反思以解决更复杂问题。
为此，rStar2-Agent仅用一周时间通过510步RL训练，将预训练的140亿参数模型提升至顶尖水平，在AIME24和AIME25数据集上分别实现80.6%和69.8%的平均通过率，以更短响应超越DeepSeek-R1（6710亿参数）。除数学领域外，rStar2-Agent-14B在对齐、科学推理及智能体工具使用任务中也展现出强大的泛化能力。
开源地址：https://github.com/microsoft/rStar